Architektura procesorů

• 26 hod. přednášky
• 10 hod. pc laboratoře
• 16 hod. projekty

• 60 bodů závěrečná zkouška (písemná část)
• 10 bodů půlsemestrální test (9 bodů písemná část, 1 bodů testová část)
• 30 bodů projekty

Přehled mikroarchitektury procesorů a jejich trendů, dovednost porovnat procesory a simulovat vhodnými nástroji vliv změn v jejich architektuře. Osvojit si měření výkonnosti procesorů. Znalosti o architektuře a obvodové podpoře paralelního zpracování na grafických procesorech bezprostředně využitelné pro akceleraci výpočtů.

Seznámit se s architekturou nejnovějších procesorů pracujících s paralelismem na úrovni instrukcí, vláken a dat. Ujasnit si úlohu překladače a jeho spolupráci s procesorem. Získat schopnost orientovat se v nabídce mikroprocesorů, dovést je hodnotit a porovnávat. Dále se seznámit s architekturou grafických procesorů a jejich použitím pro akceleraci výpočtů (GPGPU) a s technikami použitými u nízkopříkonových procesorů pro mobilní aplikace.

Existuje spousta problémů a programovacích jazyků, kde na výkonu aplikace, použitém procesoru nebo spotřebě elektrické energie nezáleží. Pokud programuji v Java nebo Pythonu, pak mě použitý procesor v podstatě nezajímá. Co ale dělat v případě, kdy pracuji na složitém úkolu a výkon aplikace, či příkon systému je věc naprosto kritická? Odpověď je jednoduchá, musím program uzpůsobit použitému procesoru!

Smyslem kurzu ACH je detailně rozebrat architekturu současných superskalárních procesů a grafických karet s jediným cílem: "Vyrazit ze systému maximální výkon v dané aplikace".

Naučíte se tedy, jak procesor pracuje se složitými proudy instrukcí, jak spekulativně provádí různé části kódu nebo jak efektivně přednačítá data z paměti. Velký důraz klademe na vektorizaci smyček, což jeden z hlavních trendů navyšování výkonu procesorů a naprosto klíčová technologie pro akceleraci programů pomocí grafických karet.

Architektura počítače typu von Neumann, hierarchická organizace paměťového systému, programování v JSI, činnost a funkce kompilátoru

komerční

• Intel Compilatory a tooly, Superpočítač Anselm a Salomon, Allinea debugger
• 
  volně dostupné
  • Překladače C++ a CUDA 8.0

• current PPT slides for lectures
• http://inst.eecs.berkeley.edu/~cs152/sp13/
• https://www.anandtech.com
• Agner Fog: Software optimization resources
• Intel Architecture Optimization Manual
• Nvidia CUDA SDK Manual
• Baer, J.L.: Microprocessor Architecture. Cambridge University Press, 2010, 367 s., ISBN 978-0-521-76992-1
• Hennessy, J.L., Patterson, D.A.: Computer Architecture - A Quantitative Approach. 5. vydání, Morgan Kaufman Publishers, Inc., 2012, 493 s., ISBN: 978-0-12-383872-8
• Kirk, D., and Hwu, W.: Programming Massively Parallel Processors: A Hands-on Approach, Elsevier, 2010, s. 256, ISBN: 978-0-12-381472-2
• Jeffers, J., and Reinders, J.: Intel Xeon Phi Coprocessor High Performance Programming, 2013, Morgan Kaufmann, p. 432), ISBN: 978-0-124-10414-3

1. Skalární procesory: zřetězené zpracování, asistence kompilátoru.
2. Superskalární CPU, dynamické plánování instrukcí, predikce skoků.
3. Optimalizace toku dat přes registry a přes paměť, hierarchie pamětí cache.
4. Optimalizace načítání instrukcí a dat. Příklady superskalárních procesorů.
5. Procesory s podporou datového paralelismu, SIMDová a vektorizace.
6. Procesory s podporou vláken.
7. Architektura grafických jednotek GPU a zpracování SIMT.
8. Programovací jazyk CUDA, model vláken a paměťový model.
9. Synchronizace a redukce na GPU, návrh a optimalizace algoritmů pro GPU.
10. Víceproudové zpracování, multi-GPU systémy, knihovny pro programování na GPU.
11. Architektura akcelerátorů s mnoha jádry (MIC, Xeon Phi) a jejich programování.
12. Procesory s velmi dlouhým instrukčním slovem (VLIW). SW řetězení, predikace, binární překlad.
13. Techniky nízkopříkonových procesorů.

1. Měření výkonnosti sekvenčního kódu.
2. Vektorizace kódu pomocí OpenMP 4.0.
3. CUDA: Paměťové přenosy, jednoduché kernely.
4. CUDA: Práce se sdílenou pamětí.
5. CUDA: Práce s texturní a konstantní pamětí, operace redukce.

• Měření výkonnosti a optimalizace procesorového kódu pomocí OpenMP 4.0
• Akcelerace výpočetní úlohy pomocí CUDA 8.0

Vyhodnocení dvou projektů v celkovém rozsahu 13 hodin, bodovaná počítačová cvičení, půlsemestrální písemka.
Podmínky zápočtu:
Získání 20 ze 40 bodů za projekty a půlsemestrální písemku.

• Zameškaná cvičení je možné nahradit v alternativní termín (pondělí nebo pátek)
• V poslední týdnu semestru budou probíhat náhradní civčení

Získání 20 ze 40 bodů za projekty a půlsemestrální písemku.